UA127316C2 - Seed analysis using x-ray imaging - Google Patents
Seed analysis using x-ray imaging Download PDFInfo
- Publication number
- UA127316C2 UA127316C2 UAA202004685A UAA202004685A UA127316C2 UA 127316 C2 UA127316 C2 UA 127316C2 UA A202004685 A UAA202004685 A UA A202004685A UA A202004685 A UAA202004685 A UA A202004685A UA 127316 C2 UA127316 C2 UA 127316C2
- Authority
- UA
- Ukraine
- Prior art keywords
- seed
- seeds
- ray
- ray images
- analysis
- Prior art date
Links
- 238000004458 analytical method Methods 0.000 title claims description 39
- 238000003384 imaging method Methods 0.000 title description 10
- 238000000034 method Methods 0.000 claims abstract description 57
- 239000002872 contrast media Substances 0.000 claims description 33
- 238000010521 absorption reaction Methods 0.000 claims description 15
- 238000010191 image analysis Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 9
- 238000004519 manufacturing process Methods 0.000 claims description 8
- 238000012549 training Methods 0.000 claims description 7
- 244000068988 Glycine max Species 0.000 claims description 6
- 235000010469 Glycine max Nutrition 0.000 claims description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 6
- 238000001035 drying Methods 0.000 claims description 4
- 230000005855 radiation Effects 0.000 claims description 4
- 238000005303 weighing Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 2
- 238000000926 separation method Methods 0.000 claims description 2
- 238000003892 spreading Methods 0.000 claims description 2
- 239000000126 substance Substances 0.000 claims description 2
- 210000004556 brain Anatomy 0.000 claims 2
- CUCUKLJLRRAKFN-UHFFFAOYSA-N 7-Hydroxy-(S)-usnate Chemical compound CC12C(=O)C(C(=O)C)C(=O)C=C1OC1=C2C(O)=C(C)C(O)=C1C(C)=O CUCUKLJLRRAKFN-UHFFFAOYSA-N 0.000 claims 1
- YPMOAQISONSSNL-UHFFFAOYSA-N 8-hydroxyoctyl 2-methylprop-2-enoate Chemical compound CC(=C)C(=O)OCCCCCCCCO YPMOAQISONSSNL-UHFFFAOYSA-N 0.000 claims 1
- 241001137251 Corvidae Species 0.000 claims 1
- 240000003537 Ficus benghalensis Species 0.000 claims 1
- 244000301682 Heliotropium curassavicum Species 0.000 claims 1
- 235000015854 Heliotropium curassavicum Nutrition 0.000 claims 1
- 241001291562 Martes pennanti Species 0.000 claims 1
- 241001214257 Mene Species 0.000 claims 1
- 101001098066 Naja melanoleuca Basic phospholipase A2 1 Proteins 0.000 claims 1
- 241001318330 Nenia Species 0.000 claims 1
- 241000720785 Panaqolus koko Species 0.000 claims 1
- 241001377938 Yara Species 0.000 claims 1
- 230000015572 biosynthetic process Effects 0.000 claims 1
- 239000011248 coating agent Substances 0.000 claims 1
- 238000000576 coating method Methods 0.000 claims 1
- 239000012297 crystallization seed Substances 0.000 claims 1
- 238000002156 mixing Methods 0.000 claims 1
- 229910052754 neon Inorganic materials 0.000 claims 1
- GKAOGPIIYCISHV-UHFFFAOYSA-N neon atom Chemical compound [Ne] GKAOGPIIYCISHV-UHFFFAOYSA-N 0.000 claims 1
- 230000008520 organization Effects 0.000 claims 1
- 229920000742 Cotton Polymers 0.000 description 7
- 235000012343 cottonseed oil Nutrition 0.000 description 6
- 238000009826 distribution Methods 0.000 description 5
- 235000014698 Brassica juncea var multisecta Nutrition 0.000 description 4
- 235000006008 Brassica napus var napus Nutrition 0.000 description 4
- 240000000385 Brassica napus var. napus Species 0.000 description 4
- 235000006618 Brassica rapa subsp oleifera Nutrition 0.000 description 4
- 235000004977 Brassica sinapistrum Nutrition 0.000 description 4
- 241000219146 Gossypium Species 0.000 description 4
- 240000008042 Zea mays Species 0.000 description 4
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 description 4
- 235000002017 Zea mays subsp mays Nutrition 0.000 description 4
- 230000002745 absorbent Effects 0.000 description 4
- 239000002250 absorbent Substances 0.000 description 4
- 235000005822 corn Nutrition 0.000 description 4
- 230000002950 deficient Effects 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- 238000010224 classification analysis Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 239000008367 deionised water Substances 0.000 description 3
- 229910021641 deionized water Inorganic materials 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 239000002356 single layer Substances 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000011179 visual inspection Methods 0.000 description 2
- 238000005406 washing Methods 0.000 description 2
- XZXYQEHISUMZAT-UHFFFAOYSA-N 2-[(2-hydroxy-5-methylphenyl)methyl]-4-methylphenol Chemical compound CC1=CC=C(O)C(CC=2C(=CC=C(C)C=2)O)=C1 XZXYQEHISUMZAT-UHFFFAOYSA-N 0.000 description 1
- 235000007688 Lycopersicon esculentum Nutrition 0.000 description 1
- 240000003768 Solanum lycopersicum Species 0.000 description 1
- 241000592344 Spermatophyta Species 0.000 description 1
- 238000002835 absorbance Methods 0.000 description 1
- 239000002253 acid Substances 0.000 description 1
- 229940107816 ammonium iodide Drugs 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 229910052788 barium Inorganic materials 0.000 description 1
- DSAJWYNOEDNPEQ-UHFFFAOYSA-N barium atom Chemical compound [Ba] DSAJWYNOEDNPEQ-UHFFFAOYSA-N 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000035784 germination Effects 0.000 description 1
- 238000003306 harvesting Methods 0.000 description 1
- XMBWDFGMSWQBCA-UHFFFAOYSA-N hydrogen iodide Chemical compound I XMBWDFGMSWQBCA-UHFFFAOYSA-N 0.000 description 1
- 239000010410 layer Substances 0.000 description 1
- 230000003902 lesion Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000013442 quality metrics Methods 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 230000007226 seed germination Effects 0.000 description 1
- 238000011896 sensitive detection Methods 0.000 description 1
- FVAUCKIRQBBSSJ-UHFFFAOYSA-M sodium iodide Chemical compound [Na+].[I-] FVAUCKIRQBBSSJ-UHFFFAOYSA-M 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 229920002994 synthetic fiber Polymers 0.000 description 1
- 235000013311 vegetables Nutrition 0.000 description 1
- 238000009736 wetting Methods 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01C—PLANTING; SOWING; FERTILISING
- A01C1/00—Apparatus, or methods of use thereof, for testing or treating seed, roots, or the like, prior to sowing or planting
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01C—PLANTING; SOWING; FERTILISING
- A01C1/00—Apparatus, or methods of use thereof, for testing or treating seed, roots, or the like, prior to sowing or planting
- A01C1/02—Germinating apparatus; Determining germination capacity of seeds or the like
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01C—PLANTING; SOWING; FERTILISING
- A01C1/00—Apparatus, or methods of use thereof, for testing or treating seed, roots, or the like, prior to sowing or planting
- A01C1/04—Arranging seed on carriers, e.g. on tapes, on cords ; Carrier compositions
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
- B07C5/34—Sorting according to other particular properties
- B07C5/342—Sorting according to other particular properties according to optical properties, e.g. colour
- B07C5/3425—Sorting according to other particular properties according to optical properties, e.g. colour of granular material, e.g. ore particles, grain
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/24765—Rule-based classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
- G06T7/0014—Biomedical image inspection using an image reference approach
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
- G06V10/12—Details of acquisition arrangements; Constructional details thereof
- G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
- G06V10/143—Sensing or illuminating at different wavelengths
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/98—Detection or correction of errors, e.g. by rescanning the pattern or by human intervention; Evaluation of the quality of the acquired patterns
- G06V10/993—Evaluation of the quality of the acquired pattern
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/66—Trinkets, e.g. shirt buttons or jewellery items
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/69—Microscopic objects, e.g. biological cells or cellular parts
- G06V20/698—Matching; Classification
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C2501/00—Sorting according to a characteristic or feature of the articles or material to be sorted
- B07C2501/009—Sorting of fruit
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10116—X-ray image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
- G06T2207/30188—Vegetation; Agriculture
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Quality & Reliability (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Soil Sciences (AREA)
- Environmental Sciences (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Databases & Information Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Physiology (AREA)
- Radiology & Medical Imaging (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
Description
(57) Реферат:(57) Abstract:
Винахід стосується способу аналізу насіння, який включає отримання рентгенівських зображень насіння за допомогою рентгенівського апарата. Аналіз рентгенівських зображень для визначення параметра кожної з насінин. Порівняння параметра, визначеного за допомогою аналізу рентгенівського зображення, однієї насінини з параметром, визначеним за допомогою аналізу рентгенівського зображення, іншої насінини. Розміщення насінин одна відносно одної на основі параметрів насіння. Аналіз рентгенівських зображень включає визначення, за допомогою контролера, числового значення поглинання рентгенівського випромінювання насіння на основі отриманих рентгенівських зображень, для кількісного визначення ступеня пошкодження насіння, при цьому значення поглинання рентгенівського випромінювання вибирають щонайменше з трьох різних значень.The invention relates to a method of seed analysis, which includes obtaining X-ray images of seeds using an X-ray machine. Analysis of X-ray images to determine the parameter of each of the seeds. Comparison of a parameter determined by X-ray image analysis of one seed with a parameter determined by X-ray image analysis of another seed. Placement of seeds relative to each other based on seed parameters. X-ray image analysis includes determining, by means of a controller, a numerical value of seed X-ray absorption based on the obtained X-ray images to quantify the degree of seed damage, wherein the X-ray absorption value is selected from at least three different values.
ЗВАЖУВАННЯ ПАРТ НАСІННЯ 20WEIGHING PARTS OF SEED 20
ВИДАЛЕННЯ ОМИТЯ Б Я я ВМИЩЕННЯ НАСІННЯ В ЄМНІСТЬ З ВОДОЮ! ххх ДАТАREMOVING THE WASH B I i PUTTING THE SEED IN THE CONTAINER WITH WATER! xxx DATE
ПЕРЕМНІУВАННЯ НАСІННЯ Є ЯSEED REPRODUCTION IS ME
З» ВИДАЛЕННЯ НАСІННЯ З ЄМНОСТІC» REMOVING THE SEEDS FROM THE CONTAINER
ГЕОЗМІЕЦЕННЯ НАСІННЯ НА ПРОЮТАВШGEOMETRY OF SEEDS ON PROYUTAVSH
ХаллHull
Її За ші РОЗКІЦЕННЯ ПРОКЛАДКИHer For shi LAYOUT OF GASKET
Г вміщеннянАСІння в Ємність З Ма 1-76Placement of seeds in the container Z Ma 1-76
ЗВ. ІЛЕРЕМІЩУВАННЯZV. DISPLACEMENT
ПВА РУКАННЯ р СЕPVA RUKANYA r SE
Її НАШННЯHer is OURS
Я ее | РОЗКЩЕННЯ НАСІННЯ НА;I ee | SPREADING OF SEED ON;
Гоміцення насіння вл я ее І ЗВАНТАЖЕННЯ НАСІННЯ НА ЛОТОК ря "ОТРИМАННЯ РЕНТГЕНІВСЬКИХ | си яHoisting of the seeds and loading of the seeds on the tray "Obtaining X-rays"
Фіг. 1Fig. 1
Галузь технікиThe field of technology
Цей винахід загалом стосується системи та способу обробки насіння та, зокрема, системи та способу аналізу насіння за допомогою рентгенівських зображень для аналізу насіння та розподілу його за категоріями.The present invention relates generally to a system and method for processing seeds, and more particularly to a system and method for analyzing seeds using X-ray images for seed analysis and categorization.
Рівень технікиTechnical level
У сільськогосподарській галузі, зокрема в галузі вирощування та виробництва сортового насіння, науковцям важливо мати можливість аналізувати насіння з високою продуктивністю. Це означає, що аналіз насіння переважно проводять не лише швидко, але й надійно та у великому загальному обсязі. Традиційно насіння розподіляють за категоріями залежно від розміру за допомогою механічного обладнання, що містить сита з отворами, які відповідають заданим розмірам. Розподіл насіння за категоріями також здійснюють за допомогою аналізу зображень насіння для виявлення певних характеристик вигляду насіння. Однак системи попереднього аналізу зображень насіння обмежені у своїй здатності визначати розміри, форму та вигляд насіння. У результаті цього системи попереднього аналізу зображень мають обмежені можливості для визначення характеристик форми та дефектів насіння. Крім того, системи попереднього аналізу зображень не дають можливості автоматизувати збір статистично значущих обсягів даних для розробки надійних моделей даних з метою визначення кореляцій між партіями насіння за допомогою показників якості насіння.In the agricultural industry, particularly in the field of cultivation and production of varietal seeds, it is important for scientists to be able to analyze seeds with high productivity. This means that the analysis of seeds is preferably carried out not only quickly, but also reliably and in a large total volume. Traditionally, seeds are categorized according to size using mechanical equipment containing sieves with holes that correspond to specified sizes. Classification of seeds by categories is also carried out using the analysis of seed images to identify certain characteristics of seed appearance. However, seed image pre-analysis systems are limited in their ability to determine seed size, shape, and appearance. As a result, image pre-analysis systems are limited in their ability to identify shape characteristics and seed defects. Additionally, pre-image analysis systems do not provide the ability to automate the collection of statistically significant amounts of data to develop robust data models to determine correlations between seed lots using seed quality metrics.
Суть винаходуThe essence of the invention
В одному аспекті спосіб аналізу насіння загалом включає в себе отримання рентгенівських зображень насіння за допомогою рентгенівського апарату. Аналіз рентгенівських зображень для визначення параметра кожної з насінин. Порівняння параметра, визначеного за допомогою аналізу рентгенівського зображення однієї насінини, з параметром, визначеним за допомогою аналізу рентгенівського зображення іншої насінини. Розміщення насінин відносно одна одної на основі параметрів насіння.In one aspect, the method of analyzing the seed generally includes obtaining x-ray images of the seed using an x-ray machine. Analysis of X-ray images to determine the parameter of each of the seeds. Comparison of a parameter determined by X-ray image analysis of one seed with a parameter determined by X-ray image analysis of another seed. Placement of seeds relative to each other based on seed parameters.
В іншому аспекті спосіб аналізу насіння загалом включає в себе отримання рентгенівських зображень насіння за допомогою рентгенівського апарату. Аналіз рентгенівських зображень для визначення параметра кожної з насінин. Розподіл кожної насінини за категорією на одну з принаймні двох категорій на основі параметрів, визначених за допомогою аналізуIn another aspect, the method of analyzing the seed generally includes obtaining X-ray images of the seed using an X-ray machine. Analysis of X-ray images to determine the parameter of each of the seeds. Categorizing each seed into one of at least two categories based on parameters determined by analysis
Зо рентгенівських зображень насіння.From X-ray images of seeds.
Короткий опис графічних матеріалівBrief description of graphic materials
На фіг. 1 представлена блок-схема процедури аналізу насіння.In fig. 1 presents a block diagram of the seed analysis procedure.
На фіг. 2 представлене схематичне зображення системи аналізу насіння.In fig. 2 shows a schematic representation of the seed analysis system.
На фіг. 3 представлене зображення, яке показує етапи процедури аналізу насіння.In fig. 3 presents an image that shows the stages of the seed analysis procedure.
На фіг. 4 представлене рентгенівське зображення пробної вибірки насіння бавовни.In fig. 4 presents an X-ray image of a test sample of cotton seeds.
На фіг. 5А представлене рентгенівське зображення, показане на фіг. 4, після того, як був проведений класифікаційний аналіз рентгенівського зображення.In fig. 5A presents the X-ray image shown in FIG. 4, after the classification analysis of the X-ray image was carried out.
На фіг 5В представлений збільшений місцевий вигляд рентгенівського зображення, показаного на фіг. 5А.Fig. 5B is an enlarged local view of the X-ray image shown in Fig. 5A.
На фіг. 6 представлені рентгенівські зображення насіння бавовни, обробленого контрастною речовиною, та без такої обробки.In fig. 6 presents X-ray images of cotton seeds treated with a contrast agent and without such treatment.
На фіг. 7 представлені рентгенівські зображення ушкодженого та неушкодженого насіння каноли, сої, бавовни та кукурудзи, обробленого контрастною речовиною.In fig. 7 presents x-ray images of damaged and intact canola, soybean, cotton and corn seeds treated with a contrast agent.
На фіг. 8 представлені рентгенівські зображення ушкодженого та неушкодженого насіння каноли, сої, бавовни та кукурудзи, обробленого контрастною речовиною.In fig. 8 presents x-ray images of damaged and intact canola, soybean, cotton and corn seeds treated with a contrast agent.
На фіг 9А представлені рентгенівські зображення насіння бавовни, обробленого контрастною речовиною і розміщеного відповідно до рівня ушкодження.Fig. 9A shows X-ray images of cotton seeds treated with a contrast agent and placed according to the level of damage.
На фіг. 98 і 9С представлені графіки, що відповідають рентгенівським зображенням на фіг.In fig. 98 and 9C are graphs corresponding to the X-ray images in Figs.
ОА.OA.
На фіг. 10А та 108 представлені гістограми, які ілюструють мінливість внутрішньої та взаємної вибірки групи насіння бавовни.In fig. 10A and 108 are histograms illustrating the intra- and inter-sample variability of a group of cotton seeds.
Відповідні умовні позначення вказують відповідні частини у всіх графічних матеріалах.Corresponding notations indicate corresponding parts in all graphic materials.
Детальний описDetailed description
Згідно з фіг. 1-3, процедура аналізу насіння позначена загалом позицією 10. У рамках цієї процедури очищають, обробляють і роблять зображення сукупності насінин для класифікації насінин з метою подальшої обробки, оцінки чи аналізу. Процедура 10 включає в себе сукупність етапів обробки та переробки насіння для точного визначення ушкодження насіння за допомогою апарату 12 для отримання зображень та аналізу. В одному варіанті здійснення в апараті 12 для отримання зображень та аналізу використовують рентгенівські зображення. Таким чином, у цій бо процедурі 10 аналізу насіння застосовують методи обробки за допомогою рентгенівських зображень, подібні до методів, які використовують у медичній галузі, для обробки та аналізу насіння. Використання рентгенівських зображень уможливлює більш чутливе виявлення ушкоджень насіння для ефективнішого виявлення варіацій та ступенів ушкодження насіння.According to fig. 1-3, the seed analysis procedure is designated generally as 10. This procedure involves cleaning, processing, and imaging a population of seeds to classify the seeds for further processing, evaluation, or analysis. Procedure 10 includes a set of steps for treating and processing the seed to accurately determine seed damage using imaging and analysis apparatus 12. In one embodiment, apparatus 12 uses X-ray images for imaging and analysis. Thus, this seed analysis procedure 10 uses X-ray imaging techniques similar to those used in the medical field to process and analyze seeds. The use of X-ray imaging enables more sensitive detection of seed damage to more effectively identify variations and degrees of seed damage.
Процедуру 10 аналізу насіння можуть використовувати для широкого асортименту насіння, в тому числі, крім іншого, насіння овочевих культур (наприклад, помідори) та насіння орних культур (наприклад, кукурудзи, сої, каноли, бавовни).The seed analysis procedure 10 can be used for a wide variety of seeds, including, but not limited to, vegetable crop seeds (eg, tomatoes) and arable crop seeds (eg, corn, soybeans, canola, cotton).
Згідно з фіг. 2 ії З апарат 12 для отримання зображень та аналізу містить пристрій 14 отримання зображень і контролер 16. В одному варіанті здійснення контролер 16 входить до складу пристрою 14 отримання зображень. Однак контролер 16 може бути відокремлений від пристрою 14 отримання зображень і виконаний з можливістю зв'язку з вказаним пристроєм отримання зображень. У проілюстрованому варіанті здійснення пристрій 14 отримання зображень являє собою рентгенівський апарат для отримання рентгенівських зображень насіння. В одному варіанті здійснення рентгенівський апарат 14 містить пристрій отримання двовимірних рентгенівських зображень. Відповідні рентгенівські апарати виробляє компаніяAccording to fig. 2 ii C apparatus 12 for receiving images and analysis includes a device 14 for receiving images and a controller 16. In one embodiment, the controller 16 is part of the device 14 for receiving images. However, the controller 16 can be separated from the device 14 for receiving images and made with the possibility of communication with the specified device for receiving images. In the illustrated embodiment, the device 14 for obtaining images is an X-ray machine for obtaining X-ray images of seeds. In one embodiment, the X-ray machine 14 contains a device for obtaining two-dimensional X-ray images. The company produces the corresponding X-ray machines
ЕахйгопФ. Однак можна використовувати й інші комерційні або зроблені на замовлення рентгенівські апарати, не виходячи за межі обсягу цього винаходу.EachigopF. However, other commercial or custom-made X-ray machines can be used without departing from the scope of the present invention.
Згідно з фіг. 1 і З процедура 10 аналізу насіння може бути такою, як описано нижче. На етапі зважують партію насіння. В одному варіанті здійснення партію насіння вибирають таким чином, щоб партія важила від близько 50 грамів до близько 60 грамів. Однак передбачається й 20 інша вага партій. На етапі 22 насіння розподіляють на поверхні в один шар насіння. На етапі 24 з насіння видаляють сміття та інші частинки (наприклад, гілочки, насіннєві коробочки тощо). На етапі 26 насіння поміщають у ємність (наприклад, аналітичну склянку) з деіонізованою водою.According to fig. 1 and C, the seed analysis procedure 10 may be as described below. At the stage, the batch of seeds is weighed. In one embodiment, the batch of seeds is selected such that the batch weighs between about 50 grams and about 60 grams. However, 20 different weightings of parties are also assumed. At stage 22, the seeds are distributed on the surface in one seed layer. At step 24, debris and other particles (such as twigs, seed pods, etc.) are removed from the seed. At step 26, the seeds are placed in a container (for example, an analytical beaker) with deionized water.
Залежно від кількості насінин їх можна помістити в аналітичну склянку об'ємом 1000 мл, наповнену 500 мл деїіонізованої води. На етапі 28 насіння перемішують в ємності для промивання насіння та видалення з насіння пилу/бруду. В одному варіанті здійснення насіння перемішують протягом приблизно 1 хвилини. Однак насіння можна перемішувати протягом будь-якої відповідної кількості часу. На етапі 30 насіння виймають з ємності та фільтрують за допомогою шлюзу або сита. На етапі 32 насіння поміщають на поглинальну прокладку та розкладають в один шар, щоб висушити насіння. На етапі 34 може бути розміщена другаDepending on the number of seeds, they can be placed in a 1000 ml analytical beaker filled with 500 ml of deionized water. At step 28, the seeds are mixed in containers for washing the seeds and removing dust/dirt from the seeds. In one embodiment, the seeds are mixed for about 1 minute. However, the seeds can be stirred for any suitable amount of time. At step 30, the seeds are removed from the container and filtered using a sluice or sieve. In step 32, the seeds are placed on an absorbent pad and spread out in a single layer to dry the seeds. At stage 34, a second can be placed
Зо поглинальна прокладка поверх насіння для промокання насіння та/або висушування насіння вальцюванням. На етапі 36 насіння можна помістити в ємність, наповнену контрастною речовиною (наприклад, йодидом натрію (МаЇ) або йодидом амонію (МНа-Ї). Однак можна використовувати інші контрастні речовини, не виходячи за межі обсягу винаходу. Наприклад, може бути використана будь-яка відповідна хімічна речовина, що містить йодид або барій, або будь-яка відповідна рентгеноконтрастна речовина для медичної візуалізації. В одному варіанті здійснення насіння поміщають в аналітичну склянку об'ємом 1000 мл, яка містить приблизно 200 мл 3 М Маї, приготованого з використанням деіонізованої води. На етапі 38 насіння перемішують для змішування насіння з контрастною речовиною. В одному варіанті здійснення насіння перемішують протягом приблизно 5 хвилин за допомогою магнітної мішалки. Однак насіння можна перемішувати будь-яким відповідним способом. На етапі 40 насіння фільтрують.An absorbent pad over the seed for wetting the seed and/or drying the seed by rolling. In step 36, the seed can be placed in a container filled with a contrast agent (for example, sodium iodide (NaI) or ammonium iodide (MNa-I). However, other contrast agents can be used without departing from the scope of the invention. For example, any which is a suitable chemical containing iodide or barium, or any suitable X-ray contrast agent for medical imaging In one embodiment, the seeds are placed in a 1000 mL analytical beaker containing approximately 200 mL of 3 M Maya prepared using deionized water. In step 38, the seeds are agitated to mix the seeds with the contrast agent. In one embodiment, the seeds are agitated for about 5 minutes using a magnetic stirrer. However, the seeds may be agitated in any suitable manner. In step 40, the seeds are filtered.
В одному варіанті здійснення насіння фільтрують за допомогою системи 50 вакуумного фільтра/балона для зберігання. При цьому, фільтрацію можна здійснювати і в інші способи. На етапі 42 відфільтроване насіння поміщають на першу, свіжу поглинальну прокладку, а потім другу, свіжу поглинальну прокладку поміщають поверх насіння для промокання насіння та/або висушування насіння вальцюванням. На етапі 44 насіння поміщають у піч 52 для повного висушування насіння. В одному варіанті здійснення насіння поміщають в сушильну піч, температура в якій виставлена приблизно на 60 С (140 Р) приблизно на 5 хвилин. Однак насіння можна висушувати і в інший спосіб. На етапі 46 насіння розкладають в один шар на лоток 54 та поміщають в рентгенівський апарат 14 для отримання рентгенівських зображень насіння на етапі 48. Слід розуміти, що процес отримання рентгенівських зображень буде здійснюватися згідно зі стандартними рентгенівськими процедурами, передбаченими для звичайних рентгенівських апаратів.In one embodiment, the seed is filtered using a vacuum filter/storage cylinder system 50. At the same time, filtering can be done in other ways. In step 42, the filtered seed is placed on a first, fresh absorbent pad, and then a second, fresh absorbent pad is placed on top of the seed to soak the seed and/or roll dry the seed. At step 44, the seeds are placed in an oven 52 to completely dry the seeds. In one embodiment, the seeds are placed in a drying oven, the temperature of which is set at about 60 C (140 F) for about 5 minutes. However, the seeds can be dried in another way. At step 46, the seeds are laid out in a single layer on a tray 54 and placed in the x-ray machine 14 to obtain x-ray images of the seeds at step 48. It should be understood that the process of obtaining x-ray images will be carried out according to standard x-ray procedures provided for conventional x-ray machines.
Як додатковий або альтернативний варіант насіння може бути завантажене на лоток та рентгенівським апаратом можуть бути зроблені його зображення до або без обробки насіння контрастною речовиною. У цьому варіанті здійснення ушкодження насіння можна проаналізувати за допомогою програми в контролері 16, в якому використовуються автоматизовані аналітичні методи машинного навчання/глибокого навчання. У цьому процесі роблять рентгенівське зображення першого набору (наприклад, пробної вибірки) насіння для отримання навчального набору даних для ідентифікації ушкодженого насіння в межах 60 навчального набору з метою оцінки ушкодження насіння у зв'язку з пробною вибіркою. Цей навчальний процес використовується для встановлення правил класифікації, які потім використовуються для розподілу за категоріями подальших насінин, які аналізуються.As an additional or alternative option, the seed can be loaded onto a tray and X-ray images can be taken of it before or without treatment of the seed with a contrast agent. In this embodiment, seed damage can be analyzed by a program in the controller 16 that uses automated machine learning/deep learning analytical techniques. In this process, an X-ray image is taken of a first set (eg, a trial sample) of seeds to obtain a training data set to identify damaged seeds within the 60 training set in order to assess seed damage in relation to the trial sample. This learning process is used to establish classification rules, which are then used to categorize further seeds that are analyzed.
Навчальний процес може бути здійснений один або кілька разів для збільшення вводу даних у програму з метою підвищення точності класифікаційного аналізу. Оскільки в програму вводять чимраз більше даних, алгоритми машинного навчання уточнюють правила класифікації, щоб краще класифікувати та характеризувати насіння. На фіг. 4 показано рентгенівське зображення набору пробної вибірки насіння бавовни, що містить ушкоджене та здорове насіння. На фіг. БА та 5В представлені рентгенівські зображення, показані на фіг. 4, після того, як проведено класифікаційний аналіз у навчальному процесі. Ушкоджене насіння ідентифікують, а система навчається характеристик, які кваліфікують насіння як ушкоджене, так що ушкоджене насіння в другому наборі насіння може бути виявлене в подальших процедурах аналізу за допомогою програми машинного навчання в контролері 16. Таким чином, процедура розподілу за категоріями за допомогою програми машинного навчання в контролері 16 може бути виконана у зв'язку з будь-якою вибіркою насіння для розподілу за категоріями насіння, у тому числі вибіркою насіння, взятою в процесі виробництва насіння.The training process can be performed one or more times to increase the data input to the program in order to improve the accuracy of the classification analysis. As more and more data is fed into the program, machine learning algorithms refine classification rules to better classify and characterize seeds. In fig. 4 shows an X-ray image of a sample set of cotton seeds containing damaged and healthy seeds. In fig. BA and 5B are X-ray images shown in fig. 4, after a classification analysis has been carried out in the educational process. Damaged seeds are identified and the system is taught characteristics that qualify the seed as damaged, so that damaged seeds in the second set of seeds can be detected in subsequent analysis procedures using the machine learning program in the controller 16. Thus, the categorization procedure using the machine learning program training in the controller 16 can be performed in connection with any sample of seeds for distribution by categories of seeds, including a sample of seeds taken in the process of seed production.
Як додатковий або альтернативний варіант зображення насіння можуть бути зроблені під час його вільного падіння або перебування на конвеєрі.As an additional or alternative option, images of the seed can be taken during its free fall or stay on the conveyor.
Як додатковий або альтернативний варіант функція ручного або автоматичного сортування може виконуватися після отримання зображень та аналізу насіння.As an additional or alternative option, a manual or automatic sorting function can be performed after image acquisition and seed analysis.
На основі даних, отриманих з рентгенівських зображень, зроблених рентгенівським апаратом 14, кожна насінина може бути ідентифікована та розподілена за категорією залежно від її вигляду. Наприклад, ступінь ушкодження, який встановлюється або шляхом порівняння рентгенівського зображення насінини з даними навченого класифікатора, що отримані в ході одного чи більше попередніх навчальних процесів, або шляхом аналізу кількості поглинання контрастної речовини насінням, може визначатися за допомогою програми, встановленої в контролері 16, або візуальної перевірки рентгенівських зображень користувачем. Програма в контролері 16 може містити нейронну мережу машинного навчання, яка здійснює ряд класифікаційних процедур для розподілу насіння за категоріями залежно від його вигляду.Based on the data obtained from the X-ray images taken by the X-ray machine 14, each seed can be identified and categorized based on its appearance. For example, the degree of damage, which is determined either by comparing the X-ray image of the seed with the data of the trained classifier obtained during one or more previous training processes, or by analyzing the amount of absorption of the contrast material by the seed, can be determined by a program installed in the controller 16, or visual inspection of x-ray images by the user. The program in the controller 16 may include a machine learning neural network that performs a series of classification procedures to categorize seeds based on their appearance.
Категорії за виглядом можуть грунтуватися на навчених класифікаторах ушкоджень, отриманих під час попередніх навчальних процесів, або на порогових діапазонах вимірювання, визначених для поглинання контрастної речовини насінням. На основі цих критеріїв/діапазонів кожній насінині може бути присвоєно значення ушкодження та/або насінини можна класифікувати відповідно до рівня їхнього ушкодження. Як додатковий або альтернативний варіант перевірку вигляду насіння на рентгенівських зображеннях можна використовувати для класифікації насіння за рівнем його ушкодження.Appearance categories can be based on trained damage classifiers obtained during previous training processes or on threshold measurement ranges determined for seed uptake of the contrast agent. Based on these criteria/ranges, each seed can be assigned a damage value and/or the seeds can be classified according to their level of damage. As an additional or alternative option, checking the appearance of seeds on X-ray images can be used to classify seeds according to the level of their damage.
Згідно з фіг. 6-10, рентгенівські зображення здорового (хорошого) насіння мають більше загальне середнє поглинання рентгенівського випромінювання і вищий показник "коефіцієнта заповнення", ніж зображення дефектного (недозрілого) насіння. Внутрішні показники якості насіння, оцінені за допомогою рентгенівських зображень, виявилися послідовним і надійним способом виявлення у випадку розрізнення здорового і дефектного насіння. А результати отримання рентгенівських зображень відповідають результатам за стандартним протоколом видимих механічних ушкоджень (англ. -- мієца! теспапіса! датаде, ММО). Як було пояснено вище, насіння можна обробляти контрастною речовиною для підвищення здатності системи виявляти ледь помітні ушкодження. На фіг. б показано рентгенівське зображення насіння бавовни, обробленого контрастною речовиною, та без такої обробки. На насінні, обробленому контрастною речовиною, краще видно зовнішні тріщини. Тож здорове насіння легше відрізнити від ушкодженого насіння, оскільки на здоровому насінні немає значних зовнішніх тріщин, які можуть поглинути контрастну речовину. Таким чином, кількість поглинання контрастної речовини корелює з рівнем ушкодження насіння і забезпечує більш ефективний показник ушкодження, ніж у випадку насіння, яке не оброблене контрастною речовиною. На фіг. 7 та 8 показані рентгенівські зображення насіння каноли, сої, бавовни і кукурудзи з ушкодженням та без нього. Насіння обробляють контрастною речовиною, щоб виділити будь-яке ушкодження насіння. На фіг. 9А показані рентгенівські зображення насіння бавовни, обробленого контрастною речовиною та розміщеного відповідно до рівня ушкодження. Як видно на фіг. 9А, темніші зображення вгорі представляють більш здорове насіння з невеликим ушкодженням або без ушкодження, а світліші зображення внизу представляють зростаючі рівні ушкодження насіння. Світлість зображень вказує на кількість контрастної речовини, яку поглинуло насіння.According to fig. 6-10, X-ray images of healthy (good) seeds have a greater overall average absorption of X-ray radiation and a higher "fill factor" than images of defective (immature) seeds. Internal indicators of seed quality, assessed using X-ray images, proved to be a consistent and reliable method of detection in the case of distinguishing between healthy and defective seeds. And the results of obtaining X-ray images correspond to the results according to the standard protocol of visible mechanical damage (English -- mietsa! tespapisa! datade, IMO). As explained above, seeds can be treated with a contrast agent to increase the system's ability to detect subtle lesions. In fig. b shows an X-ray image of a cotton seed treated with a contrast agent and without such treatment. External cracks are better visible on seeds treated with a contrast agent. Therefore, healthy seeds are easier to distinguish from damaged seeds because healthy seeds do not have significant external cracks that can absorb the contrast agent. Thus, the amount of contrast agent uptake correlates with the level of seed damage and provides a more effective indicator of damage than in the case of seeds that are not treated with contrast agent. In fig. 7 and 8 show X-ray images of canola, soybean, cotton and corn seeds with and without damage. The seeds are treated with a contrast agent to highlight any damage to the seeds. In fig. 9A shows X-ray images of a cotton seed treated with a contrast agent and arranged according to the level of damage. As can be seen in fig. 9A, darker images at the top represent healthier seeds with little or no damage, and lighter images at the bottom represent increasing levels of seed damage. The brightness of the images indicates the amount of contrast material absorbed by the seed.
Таким чином, здорове насіння буде темним, оскільки насіння поглинає мало або взагалі не поглинає контрастної речовини, а ушкоджене насіння буде світлим, оскільки насіння поглинає бо значну кількість контрастної речовини. На фіг. 9В та 9С показані графіки, що відповідають рентгенівським зображенням на фіг. 9А. Графіки ілюструють, що інтенсивність рентгенівських зображень зростає залежно від рівня ушкодження. Збільшення інтенсивності пояснюється кількістю контрастної речовини, яка присутня в насінні, що має високий рівень ушкодження. Ця інтенсивність може бути кількісно визначена шляхом присвоєння кожній насінині значення гіперінтенсивного поглинання рентгенівського випромінювання, яке представлено на фіг. 98. На графіку, зображеному на фіг. 9В, показано значення гіперінтенсивного поглинання рентгенівського випромінювання (ХМО) у відсотках. Чим більший відсоток, тим більше поглинання контрастної речовини, що відповідає більшому ступеню ушкодження насіння. На фіг. 9С показані рівні розподілу середнього поглинання, отримані для насіння, обробленого контрастною речовиною, які демонструють відокремлення, що відповідає ушкодженню, визначеному візуальною перевіркою, і розподілу за категоріями ушкодження насіння, тобто низькому, середньому і високому рівням ушкодження. На фіг. 10А та 10В показані діаграми, які ілюструють мінливість внутрішньої та взаємної вибірки групи насіння бавовни.Thus, a healthy seed will be dark because the seed absorbs little or no contrast agent, and a damaged seed will be light because the seed absorbs a significant amount of contrast agent. In fig. 9B and 9C show graphs corresponding to the X-ray images of FIG. 9A. The graphs illustrate that the intensity of X-ray images increases depending on the level of damage. The increase in intensity is due to the amount of contrast material present in the seed, which has a high level of damage. This intensity can be quantified by assigning to each seed a hyperintense x-ray absorption value, which is presented in fig. 98. On the graph shown in fig. 9B, the value of hyperintense absorption of X-ray radiation (HEM) is shown in percent. The higher the percentage, the greater the absorption of the contrast agent, which corresponds to the greater degree of seed damage. In fig. 9C shows the mean absorbance distribution levels obtained for contrast-treated seeds showing separation consistent with damage as determined by visual inspection and the distribution by seed damage categories, i.e., low, medium, and high damage levels. In fig. 10A and 10B are graphs illustrating the intra- and inter-sample variability of a group of cotton seeds.
Інформація, отримана за допомогою процедури 10 аналізу насіння, може бути корисною під час подальшої обробки, оцінки або аналізу насіння. Наприклад, на заводах з виробництва насіння дані, отримані в процесі аналізу глибокого навчання в рамках процедури 10, можуть використовуватися для прогнозування загального розподілу дефектних насінин у запасі насіння, визначення того, коли в процесі виробництва виникають дефекти насіння (наприклад, збирання, транспортування, обробка або сортування), а згодом можуть використовуватися для корекції або виправлення етапу, що призводить до дефекту. Такі заходи можуть бути використані для визначення розподілу дефектних насінин з підвибірки насіння, що згодом можуть екстраполюватися для прогнозування загального стану запасу насіння. Проаналізоване насіння також може бути використане в лабораторіях з визначення якості насіння для оцінки якості насіння. Інформація, отримана в результаті виконання процедури, може бути використана в подальших випробуваннях на проростання. Можна визначати кореляції між ступенем і кількістю тріщин та проростанням насіння.The information obtained from seed analysis procedure 10 may be useful in further processing, evaluation or analysis of the seed. For example, in seed plants, the data generated by the deep learning analysis in procedure 10 can be used to predict the overall distribution of defective seeds in the seed stock, determine when seed defects occur during the production process (e.g., harvesting, transportation, processing or sorting) and can subsequently be used to correct or correct the step that leads to the defect. Such measures can be used to determine the distribution of defective seeds from a subsample of seeds, which can subsequently be extrapolated to predict the overall state of the seed stock. Analyzed seed can also be used in seed quality laboratories to assess seed quality. The information obtained as a result of the procedure can be used in further germination tests. Correlations between the degree and number of cracks and seed germination can be determined.
В інших варіантах здійснення контрастні речовини можуть бути додані на етапах рідинної обробки під час виробництва насіння для забезпечення можливості видалення ушкодженого насіння за допомогою системи отримання рентгенівських зображень та сортування вIn other embodiments, contrast agents may be added during the liquid processing steps during seed production to enable the removal of damaged seeds by the x-ray imaging system and sorting into
Зо безперервному режимі на конвеєрі або у вільному падінні. Наприклад, контрастні речовини можуть бути додані на додатковому етапі після кислотного видалення пуху і до висушення насіння в насінні бавовни. У випадку всіх сільськогосподарських культур може бути взятий до уваги додатковий етап рідинної обробки контрастною рідиною та промивання перед обробкою насіння, щоб уможливити отримання рентгенівських зображень насіння після обробки для сортувального видалення ушкодженого насіння з потоку продукції. Як додатковий або альтернативний варіант обробка насіння може бути вибрана для специфічного рентгеноконтрастного методу або контрастна речовина може бути додана до суспензії для спрощення процесу додавання контрастних речовин в рамках виробничого технологічного процесу.From continuous mode on the conveyor or in free fall. For example, contrast agents can be added in an additional step after acid removal of lint and before seed drying in seed cotton. For all crops, an additional step of liquid contrast treatment and washing prior to seed treatment may be considered to enable X-ray imaging of the seed after treatment to sort out damaged seed from the product stream. As an additional or alternative option, seed treatment may be selected for a specific X-ray contrast method, or a contrast agent may be added to the suspension to simplify the process of adding contrast agents within the manufacturing process.
Для забезпечення точності та повторюваності рентгенівських зображень у процес 10 можуть бути введені засоби для перевірки належної функціональності та калібрування апарату.To ensure the accuracy and repeatability of the X-ray images, the process 10 may include means to verify the proper functionality and calibration of the apparatus.
Наприклад, стійкі щодо часу еталонні вибірки можуть бути розроблені таким чином, щоб враховувати стандарти передачі рентгенівського випромінювання. Ці стандарти можуть включати рентгенівські мішені (наприклад, апарати для обробки вибірок змінної товщини із синтетичного матеріалу). Зображення стандартів можуть отримувати з періодичними інтервалами (наприклад, під час запуску кожної партії), а способи обробки зображень будуть використовуватися для перевірки стану апаратного забезпечення для обробки зображень та здійснення будь-яких необхідних повторних калібрувань.For example, time-stable reference samples can be designed to take into account X-ray transmission standards. These standards may include X-ray targets (eg machines for processing samples of variable thickness from synthetic material). Images of the standards may be acquired at periodic intervals (e.g., during each batch run) and imaging methods will be used to check the condition of the imaging hardware and perform any necessary recalibrations.
З огляду на детальний опис винаходу стане зрозуміло, що можливі модифікації та варіації без відступу від обсягу винаходу, визначеного в доданій формулі винаходу.In view of the detailed description of the invention, it will be clear that modifications and variations are possible without deviating from the scope of the invention defined in the appended claims.
У разі представлення елементів за цим винаходом або переважного(-их) варіанту(-ів) його здійснення мається на увазі, що форма однини та термін "вказаний" призначені для позначення наявності одного або більшої кількості елементів. Мається на увазі, що терміни "який містить", "який включає" та "який має" є включними та означають, що можуть існувати додаткові елементи, які відрізняються від перелічених елементів.When presenting the elements of the present invention or preferred embodiment(s), it is understood that the singular form and the term "specified" are intended to indicate the presence of one or more elements. The terms "comprising", "comprising" and "having" are meant to be inclusive and to mean that there may be additional elements other than those listed.
З урахуванням наведеного вище, видно, що було досягнуто декілька цілей цього винаходу та отримано інші переважні результати. Оскільки можуть вноситися різні зміни у вищенаведені конструкції та способи, не виходячи за межі обсягу цього винаходу, мається на увазі, що весь матеріал, який міститься у вищенаведеному описі та проілюстрований у доданих графічних бо матеріалах, має ілюстративний, а не обмежувальний характер.In view of the above, it can be seen that several objectives of the present invention have been achieved and other advantageous results have been obtained. Since various changes may be made to the above designs and methods without departing from the scope of the present invention, it is understood that all material contained in the above description and illustrated in the accompanying graphic materials is illustrative and not restrictive in nature.
Claims (5)
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201862628114P | 2018-02-08 | 2018-02-08 | |
PCT/US2019/017171 WO2019157254A2 (en) | 2018-02-08 | 2019-02-08 | Seed analysis |
Publications (1)
Publication Number | Publication Date |
---|---|
UA127316C2 true UA127316C2 (en) | 2023-07-19 |
Family
ID=67549674
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
UAA202004685A UA127316C2 (en) | 2018-02-08 | 2019-02-08 | Seed analysis using x-ray imaging |
Country Status (8)
Country | Link |
---|---|
US (1) | US11044843B2 (en) |
EP (1) | EP3749079A4 (en) |
AR (1) | AR114624A1 (en) |
BR (1) | BR112020014634A2 (en) |
CA (1) | CA3090531C (en) |
MX (1) | MX2020008339A (en) |
UA (1) | UA127316C2 (en) |
WO (1) | WO2019157254A2 (en) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11503757B2 (en) * | 2017-12-03 | 2022-11-22 | Seedx Technologies Inc. | Systems and methods for sorting of seeds |
EP3707642A1 (en) | 2017-12-03 | 2020-09-16 | Seedx Technologies Inc. | Systems and methods for sorting of seeds |
BR112020017937A2 (en) | 2018-03-14 | 2020-12-22 | Monsanto Technology Llc | SEED IMAGEING SYSTEM AND METHOD |
EP3801933A4 (en) | 2018-06-11 | 2022-09-07 | Monsanto Technology LLC | Seed sorting |
CN110694937A (en) * | 2019-09-26 | 2020-01-17 | 湖南有色新田岭钨业有限公司 | Low-grade dip-dyed skarn type scheelite pre-waste-throwing process |
AU2020383497A1 (en) * | 2019-11-13 | 2022-05-26 | Monsanto Technology Llc | X-ray seed imaging system, cabinet x-ray device, and methods of evaluating seeds |
CN114145096B (en) * | 2021-10-29 | 2022-10-14 | 华南农业大学 | Pre-treatment device for testing seeds, whole-ear feeding testing system for rice and testing method |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9574997B2 (en) * | 2010-10-15 | 2017-02-21 | Syngenta Participations Ag | Method for classifying seeds, comprising the usage of infrared spectroscopy |
BR102015010197A2 (en) * | 2014-05-06 | 2016-03-15 | Dow Agrosciences Llc | seed imaging and orientation system and use processes |
WO2016044050A1 (en) | 2014-09-16 | 2016-03-24 | Monsanto Technology Llc | Improved methods of plant breeding using high-throughput seed sorting |
-
2019
- 2019-02-08 WO PCT/US2019/017171 patent/WO2019157254A2/en unknown
- 2019-02-08 AR ARP190100317A patent/AR114624A1/en active IP Right Grant
- 2019-02-08 EP EP19751587.7A patent/EP3749079A4/en active Pending
- 2019-02-08 CA CA3090531A patent/CA3090531C/en active Active
- 2019-02-08 MX MX2020008339A patent/MX2020008339A/en unknown
- 2019-02-08 UA UAA202004685A patent/UA127316C2/en unknown
- 2019-02-08 US US16/271,005 patent/US11044843B2/en active Active
- 2019-02-08 BR BR112020014634-0A patent/BR112020014634A2/en unknown
Also Published As
Publication number | Publication date |
---|---|
CA3090531C (en) | 2024-01-23 |
WO2019157254A3 (en) | 2020-04-30 |
US20190307055A1 (en) | 2019-10-10 |
MX2020008339A (en) | 2020-09-25 |
US11044843B2 (en) | 2021-06-29 |
CA3090531A1 (en) | 2019-08-15 |
BR112020014634A2 (en) | 2020-12-08 |
WO2019157254A2 (en) | 2019-08-15 |
EP3749079A2 (en) | 2020-12-16 |
AR114624A1 (en) | 2020-09-30 |
EP3749079A4 (en) | 2021-10-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
UA127316C2 (en) | Seed analysis using x-ray imaging | |
Zareiforoush et al. | Potential applications of computer vision in quality inspection of rice: a review | |
Ahmed et al. | X-ray CT image analysis for morphology of muskmelon seed in relation to germination | |
CN106164646B (en) | Analyze the method for nutrient composition content in the numerous food of different material and form simultaneously using near-infrared spectroscopy | |
JP4317566B2 (en) | X-ray inspection apparatus and method for generating image processing procedure of X-ray inspection apparatus | |
Mertens et al. | Dirt detection on brown eggs by means of color computer vision | |
US20030072484A1 (en) | Method and apparatus for identifying and quantifying characteristics of seeds and other small objects | |
JP2022511182A (en) | Seed sorting | |
DK2525641T3 (en) | METHOD FOR EVALUATION OF germination capacity of seeds | |
Koszela et al. | Computer image analysis in the quality in procedure for selected carrot varieties | |
JP2019211288A (en) | Food testing system and program | |
CN112789499A (en) | Teacher data generation device and teacher data generation program | |
Carolina et al. | Classification of oranges by maturity, using image processing techniques | |
Marcos Filho et al. | Using tomato analyzer software to determine embryo size in x-rayed seeds | |
EP3862748A1 (en) | X-ray inspection device for detecting residual bones in chicken breast meat | |
Oliveira et al. | Morphological parameters of image processing to characterize primary root emergence in evaluation of tomato seed vigor | |
Silva et al. | X-ray, multispectral and chlorophyll fluorescence images: innovative methods for evaluating the physiological potential of rice seeds | |
Szwedziak | Artificial neural networks and computer image analysis in the evaluation of selected quality parameters of pea seeds | |
Khalid et al. | Image processing techniques for Harumanis disease severity and weighting estimation for automatic grading system application | |
Ramos et al. | SARS software for analysis of radiographic images of Urochloa decumbens (Stapf) RD Webster seeds | |
Moreira et al. | Separation of coriander seeds by Red, Green and Blue image processing | |
Corrêa et al. | Evaluation cottonseed vigor through computer image analysis of the seedlings1 | |
KR100962509B1 (en) | Apparatus for Inspecting Eggs based on Image Processing and Method therefor | |
CN112255251B (en) | Inspection apparatus | |
Rodrigues et al. | Unveiling the structure of umbu tree dispersal units through x-ray imaging |